| 1 |
1
타겟 보행자의 보행경로에 기초하여 상기 타겟 보행자의 의도에 대응하는 복수의 랜덤벡터 중 미리 설정된 수의 잠재벡터를 비확률적으로 샘플링하는 단계; 및상기 보행경로에서 보행 특징벡터를 추출하고, 상기 보행 특징벡터와 상기 잠재벡터를 신경망 모델에 적용하여 상기 타겟 보행자의 예상 경로를 결정하는 단계를 포함하는비확률적 샘플링을 통한 보행자 경로 예측 방법
|
| 2 |
2
제1항에 있어서,상기 타겟 보행자가 포함된 보행영상을 수집하고, 상기 보행영상에서 상기 타겟 보행자의 보행경로를 식별하는 단계를 더 포함하는비확률적 샘플링을 통한 보행자 경로 예측 방법
|
| 3 |
3
제2항에 있어서,상기 타겟 보행자의 보행경로를 식별하는 단계는상기 타겟 보행자의 위치를 프레임별로 탐지하여 상기 보행경로를 식별하는 단계를 포함하는비확률적 샘플링을 통한 보행자 경로 예측 방법
|
| 4 |
4
제1항에 있어서,상기 잠재벡터를 비확률적으로 샘플링하는 단계는상기 신경망 모델의 학습 시 상기 복수의 랜덤벡터에 의해 예측되는 경로가 상기 타겟 보행자의 실제 경로와 가장 유사한 순서대로 상기 미리 설정된 수의 잠재벡터를 샘플링하는 단계를 포함하는비확률적 샘플링을 통한 보행자 경로 예측 방법
|
| 5 |
5
제4항에 있어서,상기 잠재벡터를 비확률적으로 샘플링하는 단계는상기 복수의 랜덤벡터에 의해 예측되는 경로가 상기 타겟 보행자의 실제 경로와 유사할수록 작아지는 손실함수(loss function)를 상기 신경망 모델에 적용하여 상기 미리 설정된 수의 잠재벡터를 샘플링하는 단계를 포함하는비확률적 샘플링을 통한 보행자 경로 예측 방법
|
| 6 |
6
제1항에 있어서,상기 잠재벡터를 비확률적으로 샘플링하는 단계는상기 신경망 모델의 학습 시 상기 복수의 랜덤벡터에 의해 예측되는 각 경로간의 거리가 가장 먼 순서대로 상기 미리 설정된 수의 잠재벡터를 샘플링하는 단계를 포함하는비확률적 샘플링을 통한 보행자 경로 예측 방법
|
| 7 |
7
제6항에 있어서,상기 잠재벡터를 비확률적으로 샘플링하는 단계는상기 복수의 랜덤벡터에 의해 예측되는 각 경로간의 거리가 멀수록 작아지는 손실함수(loss function)를 상기 신경망 모델에 적용하여 상기 미리 설정된 수의 잠재벡터를 샘플링하는 단계를 포함하는비확률적 샘플링을 통한 보행자 경로 예측 방법
|
| 8 |
8
제1항에 있어서,상기 잠재벡터를 비확률적으로 샘플링하는 단계는상기 복수의 랜덤벡터에 의해 예측되는 경로가 상기 타겟 보행자의 실제 경로와 가장 유사하면서 상기 랜덤벡터에 의해 예측되는 각 경로간의 거리가 가장 멀도록 상기 미리 설정된 수의 잠재벡터를 샘플링하는 단계를 포함하는비확률적 샘플링을 통한 보행자 경로 예측 방법
|
| 9 |
9
제8항에 있어서,상기 잠재벡터를 비확률적으로 샘플링하는 단계는상기 복수의 랜덤벡터에 의해 예측되는 경로가 상기 타겟 보행자의 실제 경로와 유사할수록 작아지는 제1 손실함수와, 상기 복수의 랜덤벡터에 의해 예측되는 각 경로간의 거리가 멀수록 작아지는 제2 손실함수를 선형 결합(linear combination)한 최종 손실함수를 상기 신경망 모델에 적용하여 상기 미리 설정된 수의 잠재벡터를 샘플링하는 단계를 포함하는비확률적 샘플링을 통한 보행자 경로 예측 방법
|
| 10 |
10
제1항에 있어서,상기 잠재벡터를 비확률적으로 샘플링하는 단계는상기 타겟 보행자와 주변 보행자 간 상호인지 특성을 추출하고, 상기 상호인지 특성을 반영하여 상기 잠재벡터를 샘플링하는 단계를 포함하는비확률적 샘플링을 통한 보행자 경로 예측 방법
|
| 11 |
11
제10항에 있어서,상기 상호인지 특성을 추출하는 단계는GAT(Graph Attention Network)를 통해 상기 상호인지 특성을 추출하고, MLP(Multi-Layer Perceptron)에 상기 상호인지 특성을 입력하여 상기 잠재벡터를 샘플링하는 단계를 포함하는비확률적 샘플링을 통한 보행자 경로 예측 방법
|
| 12 |
12
제1항에 있어서,상기 신경망 모델은 보행영상의 제1 시간구간에 대한 상기 타겟 보행자의 보행경로 및 상기 제1 시간구간에 연속되는 제2 시간구간에 대한 상기 타겟 보행자의 보행경로로 구성되는 훈련 데이터셋을 이용하여 학습되는비확률적 샘플링을 통한 보행자 경로 예측 방법
|
| 13 |
13
제1항에 있어서,상기 타겟 보행자의 예상 경로를 결정하는 단계는상기 보행 특징벡터와 상기 잠재벡터를 가우시안 분포(Gaussian distribution), GAN(Generative Adversarial Network), CVAE(Conditional Variational AutoEncoder) 중 어느 하나에 적용하여 상기 타겟 보행자의 예상 경로를 출력하는 단계를 포함하는비확률적 샘플링을 통한 보행자 경로 예측 방법
|
